6月8日消息，ChatGPT为其付费用户推出了高级语音模式升级。此次升级显著提升了语音的自然度与情感表达，使交互更具“人情味”。新增功能包括多语言翻译，用户可请求语音翻译，系统将在对话中持续提供服务。此更新基于此前对语音模式的改进，优化了语速、停顿及口音问题。不过，测试显示部分语音选项可能存在轻微音频质量下降及音调变化，开发团队正努力解决。此外，语音模式仍偶现“幻觉”现象，如广告声或背景音乐。

6月6日凌晨，阿里开源了Qwen3-Embedding系列模型（包括Embedding及Reranker），专为文本表征、检索与排序任务设计。该系列基于Qwen3基础模型训练，在多项基准测试中表现卓越。8B参数规模的Embedding模型在MTEB多语言Leaderboard榜单中得分70.58，位居第一（截至2025年6月6日）。Qwen3-Embedding支持0.6B到8B参数的三种配置，具备灵活架构与多语言支持，覆盖超100种语言，且支持代码检索。Embedding模型通过“EOS”标记生成语义表示，Reranker则计算文本对相关性得分。模型还支持表征维度自定义与指令适配优化。开源地址包括ModelScope、Hugging Face及GitHub。

5月17日，苹果联合多国高校及研究院发布最新研究成果，解决AI‘英语口音’难题。研究发现，现有大语言模型在非英语语种输出中普遍存在语法和词汇偏差，即使专为中国优化的Qwen模型，其母语表现仍逊于人类水平。所有模型在非英语输出时仍受英语思维影响。为此，研究团队提出词汇自然性和句法自然性两项量化指标，并采用“回译法”生成训练样本，显著提升多语言自然度。测试涵盖中文、法语、英语等语料。论文已发布于arXiv。

4月30日消息，谷歌宣布其AI笔记工具NotebookLM的“音频概览”功能新增76种语言支持，其中包括中文（简体与繁体）。该功能允许用户上传文档（如课程资料或法律摘要），通过AI生成播客，以帮助理解消化内容。此前，该功能仅支持用户首选语言，现在添加了“输出语言”选项，用户可自由选择生成语言。例如，教师可用多种语言为学生提供学习资源，学生则能获取个性化语言的音频概览。新增支持的语言涵盖南非荷兰语、阿拉伯语、中文等多种语种。

标题：Anthropic连发两篇论文，AI“黑盒子”被打开了？ 人工智能（AI）模型因非编程训练而成，被视为“黑盒子”，我们对其内部运作知之甚少。理解大语言模型（LLM）的思考方式有助于优化其性能并确保其可靠性。 Anthropic公司提出了一种新方法，通过借鉴神经科学，构建类似“显微镜”的工具来追...

谷歌推出史上最大视觉语言数据集WebLI-100B，包含1000亿图像-文本对，比前记录扩大10倍。此数据集证明了数据Scaling Law仍有潜力。它在多元文化和多语言方面表现突出，有助于构建更全面的多模态大模型。 研究团队由谷歌DeepMind的Xiao Wang、Ibrahim Alabdul...

微软正在拓展Copilot Voice语音交互的多语言支持，从仅限英语扩展到支持德语、法语、西班牙语、印地语等多种语言。Copilot Voice是微软推出的语音助手功能，用户可通过语音进行自然对话，包括提问和发指令。目前，尽管支持多语言，用户仍需主动切换语言，且主要以英语优化为主，其他语言支持处于‘有限容量’状态。未来将逐步扩展。IT之家 2月6日报。

标题：495篇参考文献！北交大清华等高校发布多语言大模型综述 研究团队发表论文《大模型的多语言能力综述》，全面回顾了大模型在多语言能力上的最新进展与未来发展方向，涵盖495篇文献。 论文指出，尽管大模型已取得显著进展，但在多语言场景中仍面临诸多挑战，如数据不平衡、资源匮乏及性能不佳等问题。文章从训练...

标题：OpenAI的o1模型推理时蹦出中文，原因何在？ 媒体报道，OpenAI发布首个“推理”AI模型o1后，用户发现该模型有时会在英语提问下，于推理过程中突然切换至中文、波斯语等其他语言。 例如，当被问及“单词‘strawberry’中有多少个‘R’？”时，o1会通过一系列推理步骤得出答案。尽管最...

OpenAI宣布新版ChatGPT Search免费向全球用户开放，旨在补齐获取实时多模态信息的短板。此次更新主要亮点包括：支持高级语音模式进行实时网页搜索和多语言实时翻译；ChatGPT能智能判断是否需要执行网页搜索，用户也可手动触发；搜索结果中的视频可在ChatGPT聊天窗口内播放；支持设置为默认浏览器，优化移动端显示，集成苹果地图体验。例如，询问“本周末旧金山有哪些活动”时，ChatGPT会自动获取最新信息或通过用户手动搜索提供答案。此外，ChatGPT反馈的答案包含丰富图片和列表，标注信息来源，提供详细的视觉内容和其他搜索结果。新版ChatGPT Search在移动端同样表现出色，搜索结果包含完整的商户信息，如营业时间和视觉内容，支持自然对话筛选。新版本还支持实时语音搜索，可流畅回答关于特定地点的活动、天气等信息。